想象你每隔几个月，只拍到舞台上的几个亮点，却要还原演员怎样连续移动。天文学家面对黑洞喷流时，难题更大：望远镜取得的不是完整照片，而是零散的测量。新算法 kine 把不同时刻的数据放在一起，重建出可连续播放的高分辨率视频。
这不是给现成照片“补帧”。它是在解一个逆问题——从不完整测量反推原始影像，像只听到少数乐器的片段，却要还原整首合奏。多个答案都可能符合数据，因此模型加入了哪些约束，直接影响最终画面。
把零散快照当成一部片来解
甚长基线干涉测量（VLBI）把相隔很远的射电望远镜组成一台地球尺度的虚拟望远镜，获得极高的角分辨率。但它只采到部分空间频率信息，无法直接给出完整图像。传统方法通常逐个观测时刻成像，相邻画面之间的信息没有被充分共享。
据发表于《Nature》的论文，kine 改变了这个处理顺序：它同时恢复所有时刻的画面，并学习数据中的时空相关性。其核心是神经场（neural field）——用神经网络表示任意空间、时间坐标处的亮度等连续量，而不是把视频保存成一格格彼此独立的像素。
直观地说，如果某段喷流在相邻时刻只发生平滑变化，某一次观测缺掉的信息，可以由前后时刻共同约束。模型还会在成像过程中推断这种关联应延伸多远。最终得到的不是固定帧集合，而是可以在任意时间坐标查询的连续表示。论文称，它还能重建全偏振视频；偏振信息可用来描述射电辐射的方向性质。
这部“电影”拍到的是什么？
论文演示的主角不是黑洞本体，也不是 Sagittarius A*，而是耀变体 3C 345 的喷流。黑洞喷流是一些超大质量黑洞附近沿旋转轴喷出的相对论性等离子体束，其结构会随时间变化。
研究团队处理了 Very Long Baseline Array（VLBA）在 15 GHz 下取得的 116 次观测，时间横跨 1995 至 2022 年，数据来自 MOJAVE 监测项目。论文报告，联合成像达到约 113 微角秒的分辨率，约为名义分辨率的四倍；总动态范围约为 ，约是传统方法的 140 倍。动态范围可以粗略理解为同一幅图里同时分辨最亮和较暗结构的能力。需要强调，这些性能数字来自论文作者的报告，材料没有提供独立基准验证。
连续画面的价值不只在于“看起来像电影”。研究团队进一步使用光流——根据连续图像的变化估计局部运动——恢复喷流的二维速度场。传统分析往往追踪若干离散亮斑；kine 则试图测量不同位置、不同瞬间的运动。论文作者称，在假定辐射结构的空间变化对应等离子体运动时，它既可估计整体流动，也可描述单个亮成分的速度。
为什么值得现在看？
这项工作展示了 AI 科学成像的一种重要用法：不是凭空生成更好看的宇宙，而是把物理测量、跨时刻约束和连续表示放进同一个反演过程。单次观测覆盖不足或信噪比较低时，其他时刻的数据也能参与约束当前画面。
论文还提出，kine 可用于 Event Horizon Telescope 对 Sagittarius A 等快速变化源的一次观测，重建视界尺度的连续视频；也可扩展至完整监测项目。不过这些是适用场景和未来方向。本次实际展示仍是 3C 345 的慢变化、多历元数据，不能写成 AI 已经拍出了 Sagittarius A 的连续电影。
局限与未知
- 连续画面同时来自观测数据与模型约束。材料没有给出逐区域的不确定性说明，因此还无法清楚划出“数据直接支持”与“神经场推断”的边界。
- 局部速度场依赖一个关键假设：辐射结构的变化对应喷流等离子体的运动。如果亮度变化另有原因，速度解释也会受影响。
- “可描述数百个源”以及可能重释既有模型，是论文提出的前景，不是这项演示已经完成的成果。
相关论文《Video reconstruction of variable VLBI observations with neural fields》发表于《Nature》，DOI 为 10.1038/s41586-026-10988-5。